空气分离装置生产的氧气、氮气及一些稀有气体广泛的应用于化工、冶金、石油、采矿、军事等部门。随着吹氧炼钢和富氧鼓风工艺的推广应用以及氮肥工业的迅速发展,促使空气分离装置的集成化、综合化发展。为了保证产品质量、提高空气分离装置的安全性和可靠性,需要对该装置的氧气浓度进行监测。本研究的主要目的在于寻找一种软测量方法对该装置的氧气浓度进行实时测量,使之保持在一定的范围之内,从而克服传感器因时滞性而无法满足实时在线检测的问题。软测量技术是当前工业过程控制的研究热点之一。典型的辅助变量选择方法是最优子集法,但随着数据维度的增大该方法的计算复杂度会迅速增大且选择结果的稳定性较差;目前研究的热点是基于惩罚函数的变量选择方法,通过对惩罚系数的压缩,该方法既能筛选变量又能进行参数估计,比如非负绞杀算法(Nonnegative garrote,NNG)、套索算法(Least absolute shrinkage and selection operator,LASSO)等。本研究针对空气分离装置,设计并改进了一种基于NNG的软测量算法。改进的算法考虑建立在V折交叉验证法基础上的线性回归模型的选择问题,也就是通过增加改进的AIC(Akaike information criterion,AIC)准则来对原来的V折交叉验证进行改进,以此来解决在样本量较大,数据相关性较高时交叉验证过程中的过拟合问题。利用仿真算例对该算法的有效性进行验证,并与最小二乘法及传统NNG算法进行比较,仿真结果证明了该算法的优越性。进一步将所设计算法应用于空气分离装置的氧气浓度预测,结果表明该算法能够实现对该装置氧气浓度的精确测量,且在模型精度上优于最小二乘法和传统的NNG算法。